استفاده از یک مکانیزم کاهش ابعاد برای بهبود تشخیص بیماری صرع با استفاده از سیگنال های مغزی

چکیده مقاله

بیماری صرع یک بیماری سیستم عصبی است که دارای اثر مخربی بر روی زندگی افراد است تشخیص این بیماری و شروع به درمان آن می تواند، تاثیرات مهمی بر روی سلامت و کیفیت زندگی بیماران داشته باشد در این مقاله به ارائه یک روش کاهش ابعاد برای بهبود تشخیص بیماری صرع در افراد براساس الگوریتم جنگل تصادفی می پردازیم برای این منظور در ابتدا از یک مکانیزم نویزگیری استفاده می کنیم، تا تاثیر برق شهری بر روی سیگنال های مغزی حذف گردد سپس از یک روش کاهش ابعاد به نام Cross sub pattern correlation based PCA SubXPCA استفاده می کنیم این روش عملا یک توسعه از روش های کاهش ابعاد SubPCA و PCA می باشد روش SubXPCA دارای پیچیدگی محاسباتی کمتری به نسبت روش های PCA و SubPCA است پس از کاهش ابعاد، ویژگی های کلیدی استخراج خواهند شد و نتایج این مرحله را به یک الگوریتم طبقه بند از نوع جنگل تصادفی می فرستیم در نهایت اقدام به ارزیابی نتایج می کنیم که نشان می دهد در بهترین حالت دقت الگوریتم پیشنهادی ۸۸/۹۸ درصد است

کلیدواژه‌ها

نویسندگان

فاطمه مولائی جهرمی

کارشناسی، گروه برق وکامپیوتر، دانشکده فنی و مهندسی، دانشگاه یاسوج، یاسوج، ایران

بهمن روایی

استادیار،گروه برق وکامپیوتر، دانشکده فنی و مهندسی، دانشگاه یاسوج، یاسوج، ایران

مولائی جهرمی، فاطمه و روایی، بهمن،1401،استفاده از یک مکانیزم کاهش ابعاد برای بهبود تشخیص بیماری صرع با استفاده از سیگنال های مغزی،نهمین کنگره ملی تازه های مهندسی برق و کامپیوتر ایران،تهران

ارائه‌شده در

یازدهمین کنگره ملی مهندسی برق و کامپیوتر ایران با تاکید بر فن آوری های بومی ایران20 بهمن 1405 تا 21 بهمن 1405 · تهران